智能推薦系統(tǒng)開發(fā)實戰(zhàn)

　　本書基于Python 3.7版本軟件編寫，全書圍繞推薦模型的開發(fā)實踐，為讀者重點展示了各種不同類型的推薦模型開發(fā)過程及其在多種業(yè)務場景下的應用。本書分為四個部分，第一部分包含推薦系統(tǒng)的前世今生及其涉及的基礎數(shù)學知識，簡單介紹了推薦系統(tǒng)的發(fā)展過程及從事推薦模型研發(fā)所需要的數(shù)學知識；第二部分重點介紹不同類型的推薦算法在多種應用場景下的開發(fā)實踐，包括協(xié)同過濾、矩陣分解、Logistic回歸、決策樹、集成學習、因子分解與深度學習模型；第三部分介紹了推薦系統(tǒng)的冷啟動問題及效果評估方法；第四部分通過行業(yè)真實案例，比如廣告點擊率預測、金融產品精準營銷、電影推薦、音樂推薦、產品交叉銷售等，深入淺出、循序漸進的介紹了推薦模型開發(fā)的全過程。本書內容精煉、案例豐富，實踐性極強，可快速學習上手實踐，值得一讀，特別適合在企業(yè)中從事推薦模型開發(fā)、數(shù)據(jù)分析挖掘、機器學習研發(fā)等工作的人員使用，同樣適合想從事數(shù)據(jù)挖掘工作的各大中專院校的學生與教師，以及其他對推薦系統(tǒng)領域有興趣愛好的各類人員使用

　　尚濤，畢業(yè)于上海交通大學數(shù)學系，擁有數(shù)學碩士學位，研究方向為數(shù)據(jù)挖掘與機器學習應用領域，擁有超過10年數(shù)據(jù)挖掘和優(yōu)化建模的經(jīng)驗，以及多年使用SAS、R、Python等軟件的經(jīng)驗；曾任職于支付寶、平安科技、易方達基金，現(xiàn)就職于南方基金，專注于精準營銷、推薦系統(tǒng)、信用風險評分等領域數(shù)據(jù)挖掘項目的研發(fā)工作；就職期間，為所在公司的業(yè)務方成功實施了眾多深受好評的數(shù)據(jù)挖掘項目，實現(xiàn)了良好的業(yè)務價值。